自适应线性神经网络在车辆组合导航的应用

针对车辆GPS/DR组合导航系统中位置误差预测难以建立精确的数学模型的问题,提出了自适应线性神经网络建立位置误差预测模型的方法。该方法对来自GPS、DR的位置数据采用小波去噪,在GPS有效时用GPS、DR的位置信号建立线性神经网络位置误差预测模型,在GPS失效时预测位置误差并推算车辆实时位置。仿真表明,该方法对车辆组合导航系统是有效的。     

基于小波分析与神经网络的组合导航的研究

针对GPS/DR组合导航存在GPS信号被遮挡时无法对DR零点更新以及运动的高动态性造成卡尔曼滤波难以完全适应数据融合的问题,提出采用联邦卡尔曼滤波器数据融合与小波变换和正则化神经网络的DR位置预测模型相结合的方法。该方法由联邦卡尔曼滤波器得到较为精确的导航信息,与利用小波变换在不同尺度上融合所得到的误差信号输入神经网络,经过训练获得预测误差,在GPS信号失效时与导航信息相加实现精确实时定位。仿真计算结果表明,该方法可以提高导航系统的精度和速度,该模式有较好的鲁棒性,具有实用价值。     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

GPS组合导航系统的数据融合

首先介绍了车载GPS加上DR组合导航系统的设计,建立了车辆加速度及影响组合导航系统定位精度的主要误差的数学模型.然后针对一般组合滤波算法中,由于DR系统误差的引入,导致滤波效果不好的问题,提出了一种组合导航系统的数据融合.对车载GPS/DR组合导航系统提供的实际数据的处理结果表明,该方法既能提高GPS定位精度,又能有效控制DR系统的误差发散,从而有效地消除了一般组合滤波算法中DR系统误差对滤波器的影响,大大提高了组合系统的完整性和可靠性.令GPS在如香港交通环境:道路狭窄且多弯、交叉线多且密集、街道两侧高楼林立、桥梁多且较密集、隧道多且长、地形类似丘陵且高山较多,而且车辆也多行驶速度又快的情形下变得可行.     

基于NARX神经网络的组合导航系统设计

针对捷联组合导航系统在定位信号无法获取的情况下定位误差大和BP神经网络定位的波动问题提出了基于NARX神经网络的导航算法。该方法在输入端加入输出输入量的时间序列,在定位信号可以获取时间段内对神经网络进行训练,不可获取时使用NARX预测的数据对系统进行补偿,提高定位精度。实验结果表明在30s的失锁时间内NARX神经网络定位精度在3m以内,迭代次数小于15次且数据波动较小,可以准确的预测导航位置。     

车载GPS/北斗/DR组合导航系统研究

针对移动车辆的定位与导航问题,研究了GPS/北斗/DR组合导航算法.文中采用坐标系变换及增加状态变量法对不同卫星星座进行了时空统一,并在此基础上研究了GPS/北斗卫星组合导航算法;为了克服卫星定位存在的不连续性问题,提出了GPS/北斗卫星导航系统与低成本的航位推算系统组合导航方案,设计了GPS/北斗/DR组合导航滤波器...     

GPS/DR组合导航性能增强技术

为了提高全球定位系统(GPS)信号短时中断时地面车辆自主导航精确度,提出了GPS信号中断时采用车辆不完全约束条件和里程仪速度信息作为量测,辅助惯性导航系统实现车辆航位推算(DR)自主导航的方案;推导了该方案的GPS/DR组合导航的卡尔曼滤波方程;并进行了计算机仿真研究和地面车载试验,结果显示GPS信号中断90 s,DR自主导航误差为20 m,能够满足部分地面车辆短时高精确度自主定位要求。     

基于自适应神经网络的组合导航故障诊断技术研究

针对传统组合导航故障诊断算法对系统模型精度要求较高,对非线性组合导航系统处理能力有限的问题,提出了自适应神经网络的SINS/GPS/DVL组合导航系统故障诊断。算法首先对组合导航故障诊断进行数学建模和故障信息提取,然后再采用遗传算法对基于BP神经网络进行故障诊断过程中容易遇到的局部极小值问题和网络结构进行自适应优化处理,有效提高了BP神经网络在进行组合导航故障诊断时的执行速度和效率,同时,也增强了系统故障诊断的准确性和可靠性。仿真试验有效验证了算法的有效性。     

基于改进神经网络增强自适应UKF的组合导航系统

基于微机电系统(MEMS)的惯性器件和全球定位系统(GPS)的组合导航系统在卫星信号失锁时存在误差发散的问题,该文提出一种基于人工蜂群算法(ABC)改进的径向基函数(RBF)神经网络增强改进的自适应无迹卡尔曼滤波算法(AUKF)。在GPS信号失锁的情况下利用训练好的神经网络输出预测信息来对捷联惯导系统进行误差校正。最后通过车载半实物仿真实验验证该方法的性能。实验结果表明该方法在失锁情况下对于捷联惯导系统的误差发散有较为明显的抑制效果。     

基于ARM的车载导航系统的研究与设计

基于三星公司的ARM7S3C44B0微处理器,实现GPS和DR组合导航形式的新型嵌入式车载导航系统,该系统采用现代信息融合技术,不仅可以克服GPS卫星信号"丢失"情况下的定位问题,还可以克服DR系统精度低和误差随时间积累的缺陷.实验结果证明,该组合导航系统的设计是合理有效的.     

一种带改进“当前”统计模型的GPS/DR车辆组合定位系统

文中分析了"当前"统计模型在GPS/DR车辆组合定位实际应用中的问题,基于"当前"统计模型原理提出一种改进的"当前"统计模型,并将其应用于GPS/DR组合定位系统的数据融合中.实地跑车数据验证表明:使用该算法的定位系统无需任何参数的预先设定,即可实现对系统方差的自适应调整,对车辆的各种运动状态进行准确跟踪.     

New Map‐Matching Algorithm Using Virtual Track for Pedestrian Dead Reckoning

In this paper, a map‐matching (MM) algorithm which combines an estimated position with digital road data is proposed. The presented algorithm using a virtual track is appropriate for a MEMS‐based pedestrian dead reckoning (PDR) system, which can be used in mobile devices. Most of the previous MM algorithms are for car navigation systems and GPS‐based navigation system, so existing MM algorithms are not appropriate for the pure DR‐based pedestrian navigation system. The biggest problem of previous MM algorithms is that they cannot determine the correct road segment (link) due to the DR characteristics. In DR‐based navigation system, the current position is propagated from the previous estimated position. This means that the MM result can be placed on a wrong link when MM algorithm fails to decide the correct link at once. It is a critical problem. Previous algorithms never overcome this problem because they did not consider pure DR characteristics. The MM algorithm using the virtual track is proposed to overcome this problem with improved accuracy. Performance of the proposed MM algorithm was verified by experiments.     

粒子滤波方法在GPS/DR组合导航系统中的应用

成功地将粒子滤波方法应用干GPS／DR组合导航系统中。如果GPS信号受到干扰或者车辆做大幅度机动时，卡尔曼滤波会有较大的误差。粒子滤波不仅考虑了客观样本信息，还考虑了主观因素，能很好地处理这种观测样本出现异常的情况，具有鲁棒性。实验证明，当GPS信号被遮挡时，粒子滤波优于卡尔曼滤波。     

卡尔曼滤波实现车载GPS/DR组合导航

陆地车辆是在二维平面内运动的,而在车载GPS接收机和DR组合装置中,测量值是在不同的坐标系中得到的,通过对坐标系转换和测量误差分析得到组合系统的整体状态方程和测量方程,由于这些状态方程和测量方程都是关于状态的非线性函数,用广义卡尔曼滤波器来实现GPS/DR组合导航的实时求解。最后在行驶车辆上采集数据并进行仿真试验,结果表明这种组合系统能够大大提高系统实时定位精度和容错能力。     

基于GPS和CDMA的物流车辆监控终端的设计

近年来物流行业发展迅速,提出了一种基于GPS(全球定位系统)和CDMA(码分多址)技术的物流车辆监控终端的设计方案。采用S3C2440A ARM芯片作为主控芯片,选取合适的GPS模块和CDMA模块进行硬件设计。研究分析了GPS和CDMA技术。在WinCE 5.0平台上设计了GPS串口接收程序,以及终端与监控中心的无线通信程序。结果表明,本系统运行稳定,数据刷新时间小于3 s,GPS位置漂移值小于20 m。     

车联网中的协同通信平均传输时间计算

车联网(Internet of Vehicles,Io V)是智能交通和通信领域的热点课题,协同通信算法的研究是Io V通信的重要技术之一。针对Io V环境下因通信拓扑结构快速变化导致数据信号利用单一通信方式难以高效传输的问题,提出Io V环境下协同通信算法,利用车对车(Vehicle-to-Vehicle,V2V)和车对路(Vehicle-to-Infrastructure,V2I)协同通信方法,对目标数据从请求到完成的平均传输时间进行了理论分析和推导。仿真结果表明,该算法的传输效率比基于移动边缘计算(Mobile Edge Computing,MEC)车联网协作传输算法提升40%,比基于分簇V2X车载广播传输算法提升25%;该算法的平均传输时间随着路侧单元(Road Side Unit,RSU)缓存概率从0.5增加至1可提高9%,随着车辆缓存概率从0.5增加至1可提高46%。     

一种基于RFID原理的交通信息获取系统与车辆定位方法

 车辆的无线定位技术已成为近年来的一个研究热点。该文首先提出了一种基于RFID(射频识别)技术的交通信息获取系统,并在此基础上,提出了一种新的多基站TDOA(到达时间差)车辆定位方法。该方法是一种基于鲁棒性估计的两步定位方法。第1步利用多个基站的TDOA信息通过鲁棒性估计找到车辆的大致位置,然后进一步采用与车辆距离最近的3个基站的TDOA信息对车辆进行精确定位。该方法可有效地克服传统Chan算法当信号衰减引起TDOA估计误差较大时性能迅速恶化的问题。仿真实验结果表明该方法的定位精度优于传统的Chan算法和基于直接平均的2次定位法,可满足交通信息获取系统中对机动车辆定位的要求。